-
公开(公告)号：CN113763381A
公开(公告)日：2021-12-07
申请号：CN202111158075.9
申请日：2021-09-28
Abstract: 本发明提供一种融合图像全局信息的对象检测方法及系统，方法包括：将待测图像输入至多层特征提取网络进行特征提取得到待测图像的多层特征结果；将多层特征结果进行双通路特征融合得到多层融合特征结果；其中，多层融合特征结果包括浅层融合特征结果、深层融合特征结果以及与预设检测分支层对应的中层融合特征结果；将特征优化后的浅层融合特征结果和特征优化后的深层融合特征结果融合至中层融合特征结果中，得到目标融合特征结果；将目标特征融合结果输入至花粉检测模块中，得到花粉检测模块输出的花粉检测结果。本发明通过将深层和浅层的融合特征融合至检测分支层对应的特征以用于花粉检测，有效提高了花粉检测的精度。
-
公开(公告)号：CN113947575B
公开(公告)日：2024-07-02
申请号：CN202111188370.9
申请日：2021-10-12
IPC: G06T7/00 , G06T5/40 , G06V10/74 , G06V10/80 , G06N3/0464
Abstract: 本发明提供一种花粉颗粒检测方法和装置，其中方法包括：获取待检测花粉图像中多个图像区域分别对应的特征图和每个图像区域对应的置信度；对特征图进行相似度对比，确定任一目标特征图对应的最大特征相似度值；对目标特征图对应的最大特征相似度值进行加权处理，获得加权后最大特征相似度值；基于目标特征图对应的加权后最大特征相似度值以及目标特征图对应的图像区域的置信度，对目标特征图对应的图像区域进行置信度更新，并基于更新后的置信度确定对应的图像区域是否为花粉颗粒。本发明提供的花粉颗粒检测方法能够有效运用提取的特征来降低花粉颗粒漏检率，提升检测的正确率。
-
公开(公告)号：CN112435214B
公开(公告)日：2024-03-12
申请号：CN202011133477.9
申请日：2020-10-21
IPC: G06T7/00 , G06T7/11 , G06T7/136 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T3/4038 , G06T3/4046 , G06T5/50
Abstract: 本发明实施例提供一种基于先验框线性缩放的花粉检测方法、装置和电子设备，该方法包括：在显微镜下采集待检测花粉颗粒的放大图像；将放大图像输入检测模型，输出识别框和花粉种类；其中，检测模型是基于样本花粉颗粒的放大图像和对应的标注框标签和花粉种类标签进行训练后得到的，检测模型中的特征提取网络用于提取放大图像的3个特征图，检测模型训练时对任一花粉颗粒使用其对应尺度特征图的b个缩放先验框代替随机初始值，缩放先验框为对标注框标签进行聚类得到的先验框再进行预设线性缩放后得到的。本发明实施例提供的方法、装置和电子设备，实现了提高基于先验框的花粉颗粒检测的有效性、鲁棒性和准确性。
-
公开(公告)号：CN113947575A
公开(公告)日：2022-01-18
申请号：CN202111188370.9
申请日：2021-10-12
Abstract: 本发明提供一种花粉颗粒检测方法和装置，其中方法包括：获取待检测花粉图像中多个图像区域分别对应的特征图和每个图像区域对应的置信度；对特征图进行相似度对比，确定任一目标特征图对应的最大特征相似度值；对目标特征图对应的最大特征相似度值进行加权处理，获得加权后最大特征相似度值；基于目标特征图对应的加权后最大特征相似度值以及目标特征图对应的图像区域的置信度，对目标特征图对应的图像区域进行置信度更新，并基于更新后的置信度确定对应的图像区域是否为花粉颗粒。本发明提供的花粉颗粒检测方法能够有效运用提取的特征来降低花粉颗粒漏检率，提升检测的正确率。
-
公开(公告)号：CN112435214A
公开(公告)日：2021-03-02
申请号：CN202011133477.9
申请日：2020-10-21
Abstract: 本发明实施例提供一种基于先验框线性缩放的花粉检测方法、装置和电子设备，该方法包括：在显微镜下采集待检测花粉颗粒的放大图像；将放大图像输入检测模型，输出识别框和花粉种类；其中，检测模型是基于样本花粉颗粒的放大图像和对应的标注框标签和花粉种类标签进行训练后得到的，检测模型中的特征提取网络用于提取放大图像的3个特征图，检测模型训练时对任一花粉颗粒使用其对应尺度特征图的b个缩放先验框代替随机初始值，缩放先验框为对标注框标签进行聚类得到的先验框再进行预设线性缩放后得到的。本发明实施例提供的方法、装置和电子设备，实现了提高基于先验框的花粉颗粒检测的有效性、鲁棒性和准确性。
-
Patent Agency Ranking
公开(公告)号：CN113723470A
公开(公告)日：2021-11-30
申请号：CN202110908383.2
申请日：2021-08-09
Applicant: 北京工业大学
Abstract: 本发明提供一种融合多层信息的花粉图像合成方法、装置及电子设备，该方法包括：获取通过扫描同一花粉内容得到的与焦平面对应的多层花粉图像；计算多层花粉图像各自的真实感知分数，将多层花粉图像分为多对图像，在每对图像中进行真实感知分数大小的对比，并将对比结果作为标签；将每对图像和标签输入孪生神经网络进行处理，得到多层花粉图像的质量分数排序信息；将多层花粉图像及其质量分数排序信息输入条件生成对抗网络进行处理，得到合成的花粉图像。本发明达到了在合成过程中充分融合图像的深度信息、保留重要信息和提高多层信息利用率的目的。
-
公开(公告)号：CN113723448B
公开(公告)日：2024-07-09
申请号：CN202110807370.6
申请日：2021-07-16
Applicant: 北京工业大学
IPC: G06V10/764 , G06V10/82 , G06V10/774
Abstract: 本发明涉及一种图像中对象分类和计数方法、装置、电子设备及介质，所述方法包括：获取花粉图像；使用对象分类和计数网络对所述花粉图像进行处理，得到所述花粉图像中花粉的类别和数目，其中所述对象分类和计数网络包括卷积神经网络、分类分支和计数分支，由所述卷积神经网络对所述花粉图像进行特征提取得到特征图，将所述特征图分别输入所述分类分支和所述计数分支，由所述分类分支判断所述花粉的类别，并由所述计数分支计算所述花粉的数目。本发明通过在卷积神经网络的基础上增加用于计数的计数分支，在不显著提升参数和计算量的基础上一次性完成了对花粉类别和数目的检测，满足了花粉识别任务对于实时性和准确性的要求。
-
公开(公告)号：CN112435179B
公开(公告)日：2024-07-05
申请号：CN202011255617.X
申请日：2020-11-11
Applicant: 北京工业大学
IPC: G06T5/73 , G06T7/11 , G06T9/00 , G06V10/74 , G06V10/82 , G06N3/0475 , G06N3/045 , G06N3/094 , G06N3/088
Abstract: 本发明提供一种模糊花粉颗粒图片处理方法、装置和电子设备，将待处理的模糊花粉颗粒图片输入生成对抗网络模型，输出清晰花粉颗粒图片；其中，生成对抗网络模型是以模糊花粉颗粒图片和与模糊花粉颗粒图片对应的清晰花粉颗粒图片为样本数据进行无监督训练后得到；与模糊花粉颗粒图片对应的清晰花粉颗粒图片为不同类别的清晰花粉颗粒图片中，与模糊花粉颗粒图片的特征相似度最大的清晰花粉颗粒图片。节省了真实成对数据的构建成本，缓解了成对数据难以获取的难题，而且也有效地规避了合成数据和真实数据之间数据分布的不一致性，提高模型在真实模糊数据上的去模糊效果。
-
公开(公告)号：CN112435185B
公开(公告)日：2024-06-21
申请号：CN202011301802.8
申请日：2020-11-19
Applicant: 北京工业大学
IPC: G06T5/73 , G06T3/4038 , G06T9/00 , G06V10/74 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明提供一种模糊花粉图片处理方法、装置及电子设备，该方法包括：将待处理的模糊花粉图片输入自编码生成器模型，输出清晰花粉图片；其中，所述自编码生成器模型是以模糊花粉图片为样本，以与所述模糊花粉图片对应的清晰花粉图片为标签，进行监督训练后得到；所述自编码生成器模型包括编码器层、多尺度特征匹配层和纹理迁移层。实现对模糊花粉图片的去模糊处理，有助于提高花粉识别的准确率和效率，为准确快速的进行花粉浓度预报提供了前提条件。
-
公开(公告)号：CN114549492B
公开(公告)日：2024-05-31
申请号：CN202210183020.1
申请日：2022-02-27
Applicant: 北京工业大学
Abstract: 一种基于多粒度图像信息内容的图像质量评价方法，属于计算机视觉领域。针对图像局部纹理信息的质量评价模块，首先将单颗花粉图像集合中每张花粉颗粒图片针对不同方向进行纹理特征的提取，然后平均加权求和求每张花粉颗粒图片的总纹理特征分数，其次将其纹理评价指标平均加权求和作为单颗花粉基于图像纹理内容信息的质量评价得分，之后将所有花粉颗粒得分进行平均加权求和作为基于图像局部纹理信息的质量评价得分。最终，我们将图像全局内容信息的质量分数和图像局部纹理信息的质量分数进行加权求和来得到花粉图片的最终得分。本发明更关注花粉颗粒质量的效果，比以往只考虑基于粗粒度的图像内容信息质量评价结果更加准确。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.026 seconds)
